小说的单章爬取:
编译环境:pycharm
需要安装第三方库:requests lxml bs4 beautifulsoup4
安装上面的第三方库的时候首先需要在cmd中下载下来,使用命令:pip install 库名(下载国外的资源) 或者使用国内的镜像源,这里推荐一个:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 库名,在cmd中下载完毕后,可以在相应的项目中安装了(需要保证网速,否则深容易超时装不上(好想加一个欲哭无泪的表情))
代码解析:
首先需要导包,
获取你想爬取的小说的那一章的网址,
url="网址"
使用requests.get请求网站,
req=reques.get(url=url)
在想要爬取的那章小说的当前页,点击鼠标右键,点击审查元素,查看Elements中head中的charset后面的信息,以便进行解码
req.encoding=" "
接下来可以打印一下响应码(状态码)也可以不打印
print("响应码",req.status_code)
接下来就是获取当前页面中审查元素后可以看到的h5的代码了,在这里最好打印一下这个代码,如果能打印下来就说明到这一步是正确的,如果不能打印,就需要对代码进行检查了。
print(req.text)
获取到这些内容后,就该对这些内容进行解码了,也就是解析网站,然后找到所要下载的小说的内容的div块(find_all),可以生成一个列表,这个列表中只有一个下标为0的元素,然候使用text获取其中的内容就可以了。
代码示例如下:
import requests
import lxml
from bs4 import BeautifulSoup
#小说网址
url="https://read.qidian.com/chapter/JIINcKGBCKQj8FaDXua-rg2/Kfym0HeVTA7gn4SMoDUcDQ2"
req=requests.get(url=url)
req.encoding="utf-8"
print("响应码",req.status_code)
#获取文本内容
html=req.text
bf=BeautifulSoup(html,"lxml")
# print(bf)
div=bf.find_all("div",class_="read-content j_readContent")
# print(div)
print(div[0].text)
如果想要生成的小说内容存放到一个文档中,则需要导入os包
代码如下:
import os
txt=div[0].text
with open ("小说名字.txt","w",encoding="utf-8")as file:
file.write(txt)
file.close()